基于多光谱图像选取马铃薯叶片的最佳彩色波段组合

为了快速目测识别马铃薯叶片,利用Spectrocam多光谱相机获取健康C-88马铃薯叶片的可见光及近红外通道的多光谱图像。采用波段指数法提取叶片的特征波段,通过真彩色原理及标准假彩色对所提取的特征波段进行彩色合成,在此基础上得到最佳彩色波段组合。实验结果表明,用波段指数法提取多光谱图像的特征波段进行彩色合成,能快速获取马铃薯叶片的最佳波段,并得到680,558,475nm和800,680,558nm为最佳彩色波段组合,为遥感图像的目视解译和更多有效信息的提取提供了可靠依据。

高光谱波段筛选技术在小麦含水率反演中的应用

近年来,高光谱遥感技术日渐成熟,人工智能和机器学习技术逐渐应用于农作物生化参量反演领域,传统的人工测量农作物长势、叶片含水率和叶绿素含量等逐渐由自动化、智能化机器所替代,该技术在农作物叶片含水率反演方面发挥了重要作用,但仍有一定局限性。目前,限制高光谱技术主要应用于农作物生化参量反演中高光谱波段数较多、冗余度高的问题。笔者参考国内外学者提出各种筛选敏感波段的方法,以灌浆期小麦叶片高光谱数据和叶片含水率(Leaf Water Content,LWC)为对象,就目前较为热门和有效的差值植被指数法、归一化植被指数法、比值植被指数法、竞争性自适应重加权采样算法(CARS)、连续投影法(SPA)和随机蛙跳算法(Random Frog,RF)等方法进行对比分析。研究结果表明:可从等势图和算法运行过程得出,波段筛选方法获取的波段组合,与小麦叶片含水率有高相关性和较低的均方根误差,均能在一定程度上优化高光谱遥感技术在反演农作物生化参量上的应用。

基于LCTF多光谱成像的人体指甲特征光谱提取（英文）

利用由液晶可调谐滤光片(LCTF)和CCD相机组成的多光谱成像系统在450～1 000 nm光谱范围内每隔10 nm采集人体指甲样本,得到包含56个波段的人体指甲多光谱图像。通过参考白板比较测量法进行反射率反演,得到指甲的准确反射率信息,分别利用主成分分析法(PCA)和波段指数法实现样本图像的降维,得到两个特征空间,并利用光谱角度填图法(SAM)在两个特征空间内对人体指甲进行分类,分类准确度分别为92.5%及82.9%。因此,由主成分分析法得到的特征空间可以作为人体指甲的特征光谱,为指甲多光谱图谱分析和人体健康评估提供了可靠的依据。

马铃薯叶片晚疫病的多光谱分类识别

利用Spectrocam多光谱相机获取C-88马铃薯健康叶片和患晚疫病叶片的可见光及近红外通道的多光谱图像。综合考虑多光谱图像各通道间的相关性及其信息量,采用波段指数法选取两种叶片的特征波段,并通过欧氏距离聚类方法对所提取的特征波段进行分类。实验结果表明,用波段指数法提取多光谱图像的特征波段,能快速获得马铃薯叶片的信息,475nm、558nm、717nm、750nm、850nm作为马铃薯健康叶片的特征波段,马铃薯患晚疫病叶片的特征波段是509nm、620nm、717nm、750nm和832nm。采用欧氏距离法对健康和患病叶片进行识别,其识别率分别可达92.6%和92.8%。因此利用多光谱成像技术可以进行马铃薯病害的快速、准确识别,为实现马铃薯病害的田间实时在线监测提供了参考。